求搜索一段html代码中所有链接最佳算法！

wgqlj 2007-11-11 04:10:31

需要从一段HTML中提取所有链接的标题地址
例如
<html>
<head></html>
<body>
<a href="http://www.baidu.com">百度</a>
<a href="http://www.taobao.com">淘宝</a>
</body>
</html>
结果是
1. http://www.baidu.com 百度
2. http://www.taobao.com 淘宝
求最佳算法
我设想有三种方法：
1、正则表达式。不过这玩意我不是很懂。。。所以写不出
2、用indexof、subString等方法实现，比较麻烦，要写一大串代码。。。
3、转换为XML。代码量也不少。

求最佳算法，最好提供源代码！谢谢！

...全文

143 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

wgqlj 2007-11-11

打赏
举报

当html很长的时候，对CPU的确是个考验。。。

wgqlj 2007-11-11

打赏
举报

多谢多谢！！！

wangkun9999 2007-11-11

打赏
举报

string RegexString = @"<a\s{0,}href= ""(?<link>.+?)"">(?<linktext>.+?)</a>"; //少了个问号了

wangkun9999 2007-11-11

打赏
举报

你还要把链接的文字也输出来哟，随便改下就行了：



using System.Text.RegularExpressions;





string str="<html><head> </html> <body> <a   href= \"http://www.baidu.com \"> 百度 </a> <a   href= \"http://www.taobao.com \"> 淘宝 </a> </body> </html>";

string RegexString = @"<a\s{0,}href= ""(?<link>.+?)"">(<linktext>.+?)</a>"; 

string[] link = GetRegValue(str, RegexString, "link", true); 

string[] linktext = GetRegValue(str, RegexString, "linktext", true);// link和linktext就是你想要的了









        /// <summary>

        /// 正则表达式取值

        /// </summary>

        /// <param name="HtmlCode">源码</param>

        /// <param name="RegexString">正则表达式</param>

        /// <param name="GroupKey">正则表达式分组关键字</param>

        /// <param name="RightToLeft">是否从右到左</param>

        /// <returns></returns>

        public string[] GetRegValue(string HtmlCode , string RegexString,string GroupKey,bool RightToLeft)

        {

            MatchCollection m;

            Regex r;

            if (RightToLeft == true)

            {

                r = new Regex(RegexString, RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.RightToLeft);

            }

            else

            {

                r = new Regex(RegexString, RegexOptions.IgnoreCase | RegexOptions.Singleline);

            }

            m= r.Matches(HtmlCode);

            string[] MatchValue = new string[m.Count];

            for (int i = 0; i < m.Count; i++)

            {

                MatchValue[i] = m[i].Groups[GroupKey].Value;

            }

            return MatchValue;

        }

wangkun9999 2007-11-11

打赏
举报

当然用正则如较好了，其它两种方法都不能完整的解决问题，其实正则也不难，你说的就是一个正则分组的应用吗，随便写了一段(最近回答正则的问题比较多,所以也比较顺手^_^)：



using System.Text.RegularExpressions;





string str="<html><head> </html> <body> <a   href= \"http://www.baidu.com \"> 百度 </a> <a   href= \"http://www.taobao.com \"> 淘宝 </a> </body> </html>";

string RegexString = @"<a\s{0,}href= ""(?<link>.+?)"">.+?</a>"; 

string[] link = GetRegValue(str, RegexString, "link", true); 

Response.Write(link.Length);





		/// <summary>

		/// 正则表达式取值

		/// </summary>

		/// <param name="HtmlCode">源码</param>

		/// <param name="RegexString">正则表达式</param>

		/// <param name="GroupKey">正则表达式分组关键字</param>

		/// <param name="RightToLeft">是否从右到左</param>

		/// <returns></returns>

		public string[] GetRegValue(string HtmlCode , string RegexString,string GroupKey,bool RightToLeft)

		{

			MatchCollection m;

			Regex r;

			if (RightToLeft == true)

			{

				r = new Regex(RegexString, RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.RightToLeft);

			}

			else

			{

				r = new Regex(RegexString, RegexOptions.IgnoreCase | RegexOptions.Singleline);

			}

			m= r.Matches(HtmlCode);

			string[] MatchValue = new string[m.Count];

			for (int i = 0; i < m.Count; i++)

			{

				MatchValue[i] = m[i].Groups[GroupKey].Value;

			}

			return MatchValue;

		}